論文の概要: Quantum-Assisted Graph Domination Games
- arxiv url: http://arxiv.org/abs/2511.15802v1
- Date: Wed, 19 Nov 2025 19:00:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-21 17:08:52.335764
- Title: Quantum-Assisted Graph Domination Games
- Title（参考訳）: 量子支援グラフ支配ゲーム
- Authors: C. Weeks, P. Strange, P. Drmota, J. Quintanilla,
- Abstract要約: サイクルグラフ上での1ステップのグラフ支配ゲームにおける量子優位性について,解析的に,ノイズのある中間スケール量子(NISQ)プロセッサを用いて検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study quantum advantage in the 1-step graph domination game on cycle graphs numerically, analytically and through the use of Noisy intermediate scale quantum (NISQ) processors. We find explicit strategies that realise the recently found upper bounds for small graphs and generalise them to larger cycles. We demonstrate that NISQ computers realise the predicted quantum advantages with high accuracy.
- Abstract（参考訳）: サイクルグラフ上での1ステップのグラフ支配ゲームにおける量子優位性について,解析的に,ノイズのある中間スケール量子(NISQ)プロセッサを用いて検討する。
我々は、最近発見された小さなグラフの上限を実現する明示的な戦略を見つけ、それらをより大きなサイクルに一般化する。
NISQコンピュータは予測された量子アドバンテージを高い精度で実現している。
関連論文リスト
- Quantum Graph Attention Networks: Trainable Quantum Encoders for Inductive Graph Learning [0.6999740786886536]
グラフ上の帰納学習のためのトレーニング可能な量子エンコーダとして量子グラフ注意ネットワーク(QGAT)を導入する。
QGATはパラメータ化量子回路を利用してノードの特徴と近傍構造を符号化する。
種々の化学特性の予測を目的としたQM9データセットに対するアプローチの評価を行った。
論文 参考訳（メタデータ） (2025-09-14T18:56:05Z) - Quantum-assisted Rendezvous on Graphs: Explicit Algorithms and Quantum Computer Simulations [0.0]
我々は,単純なグラフ上での一段階のランデブーゲームにおいて,ノイズの多い中間スケール量子(NISQ)プロセッサを用いて量子優位性について検討した。
論文 参考訳（メタデータ） (2024-05-23T18:01:02Z) - QuanGCN: Noise-Adaptive Training for Robust Quantum Graph Convolutional
Networks [124.7972093110732]
本稿では,ノード間の局所的なメッセージパッシングをクロスゲート量子演算のシーケンスで学習する量子グラフ畳み込みネットワーク(QuanGCN)を提案する。
現代の量子デバイスから固有のノイズを緩和するために、ノードの接続をスパーズするためにスパース制約を適用します。
我々のQuanGCNは、いくつかのベンチマークグラフデータセットの古典的なアルゴリズムよりも機能的に同等か、さらに優れている。
論文 参考訳（メタデータ） (2022-11-09T21:43:16Z) - From Quantum Graph Computing to Quantum Graph Learning: A Survey [86.8206129053725]
まず、量子力学とグラフ理論の相関関係について、量子コンピュータが有用な解を生成できることを示す。
本稿では,その実践性と適用性について,一般的なグラフ学習手法について概説する。
今後の研究の触媒として期待される量子グラフ学習のスナップショットを提供する。
論文 参考訳（メタデータ） (2022-02-19T02:56:47Z) - Towards Quantum Graph Neural Networks: An Ego-Graph Learning Approach [47.19265172105025]
グラフ構造化データのための新しいハイブリッド量子古典アルゴリズムを提案し、これをEgo-graph based Quantum Graph Neural Network (egoQGNN)と呼ぶ。
egoQGNNはテンソル積とユニティ行列表現を用いてGNN理論フレームワークを実装し、必要なモデルパラメータの数を大幅に削減する。
このアーキテクチャは、現実世界のデータからヒルベルト空間への新しいマッピングに基づいている。
論文 参考訳（メタデータ） (2022-01-13T16:35:45Z) - Towards understanding the power of quantum kernels in the NISQ era [79.8341515283403]
量子カーネルの利点は,大規模データセット,計測回数の少ないもの,システムノイズなどにおいて消失することを示した。
我々の研究は、NISQデバイス上で量子優位性を得るための先進量子カーネルの探索に関する理論的ガイダンスを提供する。
論文 参考訳（メタデータ） (2021-03-31T02:41:36Z) - Quantum walk processes in quantum devices [55.41644538483948]
グラフ上の量子ウォークを量子回路として表現する方法を研究する。
提案手法は,量子ウォークアルゴリズムを量子コンピュータ上で効率的に実装する方法である。
論文 参考訳（メタデータ） (2020-12-28T18:04:16Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。